PSINS中IMU误差模型建模:从参数设置到Allan方差标定的完整指南

【多传感器融合定位1】惯导模型、内参标定、allan方差 1. 惯导简介 (1)原理 (2)误差组成 2. 标定 (1)allan方差 (2)内参标定 阅读详情

做组合导航这几年,经常被刚接触PSINS的朋友问同一个问题:我想给IMU加个误差模型,是不是直接在数据上加几个噪声就行?每次听到我都得按住额头。IMU误差模型这件事,说小了是几行参数,说大了是整个惯性导航精度的地基。PSINS作为国内惯导、组合导航领域流传很广的MATLAB工具箱,把误差建模的底层逻辑封装得相当完整,但恰恰因为它封装得太好,很多刚入门的朋友反而不清楚自己到底在调什么。这篇文章我就带你从零开始,把你手里的第一个IMU误差模型真正搭起来,并且把这套模型如何放进仿真、如何用实测数据标定参数、如何避开那些坑都讲透。

1. 先搞清楚你建模的对象:IMU误差到底从哪来

1.1 确定性误差:零偏、标度因数、安装误差

IMU误差听起来抽象,其实拆开看就是两类:一类是每次上电都稳定存在、可以通过标定消除的确定性误差;另一类是随时间随机变化、只能靠统计特性描述的随机误差。

确定性误差里最典型的就是零偏,也就是陀螺和加速度计在静止时输出不为零的那个偏移量。陀螺零偏通常用deg/h表示,加速度计零偏通常用mg或者ug表示。一个MEMS陀螺的零偏可能到几十甚至几百deg/h,而光纤陀螺可以做到0.01deg/h以下,这个差异直接决定了你能不能用纯惯性导航撑过几十秒还是几分钟。

标度因数误差则是输出值与真实值之间的比例偏差。你转90度,传感器可能输出89.98度,这0.02%的偏差就是标度因数误差。安装误差更形象一点,三个陀螺轴和三个加速度计轴理论上应该构成一个正交坐标系,但加工装配不可能绝对垂直,这个非正交角就是安装误差。全站仪或者转台标定的一大半工作量,都是在标这三个参数。

1.2 随机误差:白噪声、随机游走、零偏不稳定性

随机误差这一块才是PSINS建模时真正花时间的地方。最常见的几个概念,我刚接触时也绕了很久:

  • 角度随机游走(ARW):陀螺输出中的高频噪声积分之后形成的姿态随机游走,单位常用deg/√h,也有用deg/h/√Hz的,两者其实可以换算。
  • 速度随机游走:加速度计噪声积分之后的速度漂移,单位常用ug/√Hz或者m/s/√h。
  • 零偏不稳定性(Bias Instability):低频段那种缓慢起伏的误差,单位就是deg/h或mg,是判断陀螺档次的核心指标。
  • 一阶马尔可夫过程:有相关性的慢变漂移,用相关时间描述,很多工程模型里把零偏的慢变部分近似成一阶马尔可夫。

有时候很多人问,为什么仿真数据不能只是加个白噪声。原因很简单:白噪声积分后只会造成随机游走,误差增长是随时间平方根线性增长的,而真实IMU还存在慢变相关误差,积分后会像抛物线一样往上跑。两者对导航精度的影响模式完全不同,如果你做组合导航滤波,状态方程里需要估计的误差状态自然也不一样。

1.3 误差模型的工程含义

你要建立IMU误差模型,本质上就是要回答三个问题:当前这个传感器有哪些误差项、每个误差项有多大、它们随时间怎么变化。PSINS把这些问题抽象成了 imuerr 结构体,里面有陀螺零偏、加速度计零偏、角度随机游走、速度随机游走、马尔可夫相关时间等字段。你在建模时做的事情,就是把传感器数据手册上的指标,或者标定结果,填进这个结构体。

这里就要引入一个非常重要的观点:误差模型不是越复杂越好。对低成本MEMS,你塞进去一个15阶误差状态,滤波未必收敛,还可能把位置估计带偏;对高精度光纤陀螺,如果你只建模白噪声和常值零偏,系统在长航时场景下又不够用。所以建模是一个“按需分配”的过程,这也是后面我在PSINS里最深的体会之一。

2. PSINS工具箱里,误差模型的落点到底在哪

2.1 工具箱的整体逻辑

PSINS的全称是Precise Strapdown Inertial Navigation System,由西北工业大学严恭敏老师团队开发和维护。我第一次打开这个工具箱的时候,第一反应是结构怎么这么乱,函数名全是 imuerrset 、 insinit 、 kfinit 这种缩写,没有花里胡哨的GUI。但用久了才发现,这种设计反而高效,每个函数各管一摊,组合起来就是一条完整的仿真链路。 <

从零开始:如何用PSINS工具箱构建你的第一个IMU误差模型 本文详细介绍了如何使用严恭敏教授开发的PSINS工具箱构建IMU误差模型,涵盖从基础参数设置到高级误差建模的全过程。通过imuerrset函数配置陀螺零偏、随机游走等核心参数,并结合实战案例展示消费级MEMS器件的误差建模方法,帮助用户提升惯性导航系统的精度与可靠性。 阅读详情

相关推荐

超高精度SINS惯导解算:误差建模、Allan标定与双子样补偿的MATLAB实现

捷联惯导系统(SINS)的精度上限取决于误差建模、补偿算法与评估基准的完整闭环。陀螺和加速度计的常值零偏、零偏不稳定性、随机游走等噪声分量,需要通过Allan方差从静态数据中提取特征参数,才能为后续解算提供可信输入。在高动态大机动场景下,姿态更新若直接累加角增量会引入圆锥误差,双子样圆锥补偿与双速度划桨补偿是抑制不可交换误差的关键手段。结合MATLAB仿真,可利用解析轨迹生成可复现真值,通过相对误差矩阵、95%分位包络和蒙特卡罗多航次对照,客观评估惯性导航解算的漂移特性。该方法适用于无人机、导弹等高机动平台

weixin_30225755的博客 180

PSINS惯性导航闭环实战:从MATLAB环境搭建到卡尔曼调参

惯性导航系统(INS)是无人系统、智能驾驶与航空航天的核心定位技术,其核心在于误差状态卡尔曼滤波(ESKF)对姿态-速度-位置(PVQ)演化过程的建模与估计。理解状态向量构成、状态转移矩阵Φ的数值构建原理,以及观测方程H的物理意义,是实现稳定导航解算的前提。PSINS作为开源MATLAB惯导仿真框架,提供可调试、可扩展的算法沙盒,支持ZUPT零速修正、GNSS/INS松组合等典型应用场景。本文聚焦工程落地关键环节:MATLAB环境配置、15维误差状态初始化、噪声参数物理标定(Allan方差法)、观测模型定制

weixin_30536861的博客 90

chrome-win64-159.0.8145.0(Canary).zip

内容概要:Chrome for Testing 官方 chrome 159.0.8145.0 win64 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:Windows 64 位 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①Chrome for Testing 官方浏览器本体,供自动化测试使用;②与同版本 chromedriver 配套;③CI/容器环境的浏览器运行时。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。

chrome-headless-shell-win64-157.0.8103.38(Stable).zip

Chrome for Testing 官方指定版本的 Chrome 浏览器、ChromeDriver 与 Headless Shell 压缩包,适用于 Selenium、Playwright 等自动化测试环境搭建,覆盖 Windows、macOS、Linux 多平台,解压即可使用,无需额外安装或配置。

chrome-win32-159.0.8150.0(Canary).zip

内容概要:Chrome for Testing 官方 chrome 159.0.8150.0 win32 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:Windows 32 位 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①Chrome for Testing 官方浏览器本体,供自动化测试使用;②与同版本 chromedriver 配套;③CI/容器环境的浏览器运行时。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。

chromedriver-win32-160.0.8164.0(Canary).zip

chromedriver-win32-160.0.8164.0(Canary).zip

chrome-headless-shell-mac-x64-160.0.8164.0(Canary).zip

内容概要:Chrome for Testing 官方 chrome-headless-shell 160.0.8164.0 mac-x64 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:macOS Intel 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①无头浏览器内核(Playwright/Puppeteer/Selenium 无界面自动化与爬虫);②服务器/容器离线内置;③版本精准匹配(chromedriver 与 Chrome 需同大版本)。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。

化工MES-石化盈科信息技术有限责任公司.pptx

化工MES-石化盈科信息技术有限责任公司.pptx

健康管理服务运营方案.pptx

健康管理服务运营方案.pptx

钢铁行业工业互联网安全解决方案.pptx

钢铁行业工业互联网安全解决方案.pptx

集团S&OP供应链计划管理蓝图规划方案(供应链二).pptx

集团S&OP供应链计划管理蓝图规划方案(供应链二).pptx

互联网 医联体信息化建设和实施解决方案.pptx

互联网 医联体信息化建设和实施解决方案.pptx

集团企业采购职能管控模式规划方法论采购职能管控方案、采购职能管理模式、组织与职责设计.pptx

集团企业采购职能管控模式规划方法论采购职能管控方案、采购职能管理模式、组织与职责设计.pptx

TVJ1120资源及合并指令

内容概要:本文提供了TVJ1120.apk拆分文件的下载链接及合并方法,包含两个分卷文件(part1和part2)的CSDN下载地址,并给出在Windows系统下使用copy命令将两个分卷合并为完整APK文件的具体指令。同时提供使用certutil工具对合并后的TVJ1120.apk进行SHA256哈希值校验的命令,以确保文件完整性与安全性。; 适合人群:具备基本计算机操作能力,熟悉命令行工具使用的开发者或技术人员;需要下载并验证安卓应用文件完整性的用户。; 使用场景及目标:①用于从分卷压缩或拆分的APK文件中恢复完整的安装包;②通过哈希校验确保下载的APK文件未被篡改或损坏,保障应用安全性和可用性;③适用于软件分发、移动应用测试、逆向分析等技术场景。; 阅读建议:在操作前确认已下载全部分卷文件,并在相同目录下执行合并命令;建议严格比对生成的SHA256值与官方提供的校验值,防止运行不安全的应用程序。

【M波段2D双树(希尔伯特)小波多分量图像去噪】基于定向M波段双树(希尔伯特)小波对多分量彩色图像进行降噪研究(Matlab代码实现)

内容概要:本文系统研究了基于定向M波段双树(希尔伯特)小波的多分量彩色图像去噪方法,通过引入M波段双树结构的小波变换,增强了传统小波在方向选择性和冗余性方面的表现,有效克服了图像去噪中边缘模糊与纹理丢失的问题。该方法充分利用小波变换的多分辨率分析能力,结合阈值处理策略,在去除高斯噪声、椒盐噪声等多种噪声的同时,显著保留了图像的细节特征与色彩信息。文章详细阐述了算法的数学原理、实现步骤及关键参数设计,并提供了完整的Matlab代码实现,便于读者复现与进一步优化。 适合人群:具备数字图像处理基础知识,熟悉Matlab编程语言,从事图像去噪、计算机视觉、遥感图像处理或医学影像分析等相关领域的研究生、科研人员及工程技术人员。 使用场景及目标:①应用于彩色图像、遥感影像、医学图像等多通道图像的高质量去噪处理;②服务于后续高级视觉任务(如目标检测、图像分割)前的预处理环节,提升整体系统性能;③为需要高保真图像恢复的应用场景提供技术支持。 阅读建议:建议读者结合提供的Matlab代码逐模块理解算法实现流程,重点关注小波分解与重构、方向滤波器组设计、阈值选择与收缩策略等核心环节,同时可通过调整噪声类型与参数设置进行对比实验,深入掌握算法性能边界与优化方向。

如何使用windows搭建一个公网ftp/sftp服务器

在有公网ip的情况下,使用windows系统搭建一个ftp/sftp服务器会带来很多的方便,可以实现远程移动端的一键式访问,对于文件的备份、多设备的共享都十分的方便。然而网上许多的教程都是基于windows自带的iis搭建一个局域网ftp服务器,然而在搭建好后,我想要通过端口映射的方式实现在外网访问时,却发现连接不上的问题,感觉可能是因为windows家庭版的原因导致的。因此在查阅很多资料之后终于找到了一个公网ftp/sftp服务器的搭建方式,实测可用。这里把流程记录一下,做一个备忘录,也方便大家搭建。

weixin_43354138的博客 1万+

量化交易中的烂板策略:短线高频交易实战解析

量化交易通过算法模型实现自动化投资决策,其中短线高频交易是典型应用场景。从市场微观结构看,涨停板现象反映了资金博弈的动态平衡,而烂板策略正是捕捉涨停板短暂打开时的交易机会。该策略结合L2行情数据和Python量化框架,通过参数化规则识别特定形态的烂板股票,在风险可控前提下追求超额收益。实战中需严格遵循动态仓位管理和止损纪律,适用于A股市场短线交易。高频交易与量化分析技术的结合,为投资者提供了新的alpha挖掘工具。

weixin_30432579的博客 367

【自动驾驶学习笔记——Prescan和Simulink 学习笔记和问题记录(1)】

主要记录一些Prescan/Simulink 联合仿真出现的问题。

ly1336545868的博客 1468

揭秘《出塞》UE5+AIGC高效工作流 | 从创意到成片全流程解析

李季老师(老李头儿)在第四届瑞云大赛斩获季军的作品《出塞》的完整创作流程!

UWA—简单优化,优化简单! 768

SRC漏洞挖掘实战指南:从零入门到月入过万的网络安全副业

网络安全的核心在于识别和修复系统缺陷,其中逻辑漏洞与信息泄露是常见的安全风险。其原理在于应用程序在业务逻辑设计或数据处理过程中存在缺陷,导致未授权访问或敏感数据暴露。掌握这些技术对于构建安全的应用体系至关重要,不仅能有效防范攻击,也为安全研究人员提供了将技术能力变现的合法途径。在漏洞赏金(Bug Bounty)和SRC(安全应急响应中心)等应用场景中,白帽子通过系统化的测试方法,挖掘此类漏洞,既能获得经济回报,又能积累宝贵的实战经验。本文聚焦于逻辑漏洞与信息泄露的实战挖掘技巧,为初学者提供清晰的入门路径和效

weixin_28568819的博客 355

Python小白也能玩转迅投QMT量化交易?手把手教你从安装到第一个策略

本文为零基础Python用户提供了上手迅投QMT量化交易平台的完整指南。从Python 3.6环境配置、QMT客户端获取安装,到核心概念讲解,并手把手教你编写并回测一个经典的双均线交易策略,帮助初学者快速迈出量化交易的第一步。

weixin_29103191的博客 771

十一、增强现实

那都是n年前的老版本了,新版本完全没有这个问题,我就是纠结这个问题,搭建若干环境,又是vmware虚拟机,又是msys2,又是anaconda,又是找机器,折腾了几天,结果通通不是。以一张实际卡片为锚点,通过笔记本的摄像头,在显示器上将一个计算机内的3d物体显示在卡片上,类似于电影上看到的那种全息投影技术;如果你是想在windows环境下开发linux运行程序,那么CygWin/gcc是你的不二之选。而如果你想开发的是windows运行程序,并且追求速度,那么二者相比而言,MinGW是更好的选择。

3189

【局部规划模块轨迹优化算法】Teb_planner规划算法

认知有限,望大家多多包涵,有什么问题也希望能够与大家多交流,共同成长!本文先对****做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章提示:以下是本篇文章正文内容由于ROS中的局部路径规划器比较老了,所以我推荐大家使用比较新的局部路径规划器teb_local_planner。teb_local_planner是基于弹性时间带碰撞约束的算法,算法将动态障碍物、运行时效、路径平滑性等约束做综合考虑,在复杂环境下有更优秀的表现。

qq_35635374的博客 954

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

上一篇: ABB机器人系统选项本质:RobotWare内核级能力授权机制
下一篇: Allegro 17.4过孔设置实战指南:从物理建模到量产验证
郑自春
博客等级 码龄10年 100粉丝 8800原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址